Projekt_z_R

1 Wstęp

Celem projektu jest analiza bazy danych Lego na przestrzeni lat.

2 Przygotowanie środowiska

2.1 Wykorzystane biblioteki

• knitr - tworzenie raportów w R
• dplyr - przetwarzanie danych
• DT - wyświetlanie interaktywnych tabel
• png - wczytywanie i pokazywanie zdjęć
• skimr - tworzenie podsumowania danych
• ggplot2 - tworzenie wykresów
• plotly - tworzenie interaktywnych wykresów
• gridExtra - grupowanie wykresów
• caret - uczenie maszynowe

2.2 Ustawienie powtarzalność wyników

W celu zapewnienia powtarzalności wyników ziarno zostało ustawione na 23.

set.seed(23)

3 Schemat danych

rebrickable_schema <- readPNG("data/rebrickable_schema_v3.png")
grid::grid.raster(rebrickable_schema)

4 Wstępne przetwarzanie danych

4.1 Wczytanie danych

colors_raw <- read.csv("data/colors.csv", header = T, sep = ",")
elements_raw <- read.csv("data/elements.csv", header = T, sep = ",")
inventories_raw <- read.csv("data/inventories.csv", header = T, sep = ",")
inventory_minifigs_raw <- read.csv("data/inventory_minifigs.csv", header = T, sep = ",")
inventory_parts_raw <- read.csv("data/inventory_parts.csv", header = T, sep = ",")
inventory_sets_raw <- read.csv("data/inventory_sets.csv", header = T, sep = ",")
minifigs_raw <- read.csv("data/minifigs.csv", header = T, sep = ",")
part_categories_raw <- read.csv("data/part_categories.csv", header = T, sep = ",")
part_relationships_raw <- read.csv("data/part_relationships.csv", header = T, sep = ",")
parts_raw <- read.csv("data/parts.csv", header = T, sep = ",")
sets_raw <- read.csv("data/sets.csv", header = T, sep = ",")
themes_raw <- read.csv("data/themes.csv", header = T, sep = ",")

4.2 Przetwarzanie brakujących danych

4.2.1 Colors

Brak modyfikacji surowych danych

colors_clean <- colors_raw

4.2.2 Elements

Usunięcie nadmiarowej kolumny design_id, która nie miała wykorzystania w schemacie

elements_clean <- elements_raw[, -4]

4.2.3 Inventories

Brak modyfikacji surowych danych

inventories_clean <- inventories_raw

4.2.4 Inventory Minifigs

Brak modyfikacji surowych danych

inventory_minifigs_clean <- inventory_minifigs_raw

4.2.5 Inventory Parts

Usunięcie nadmiarowej kolumny img_url, która nie podlega analizie

inventory_parts_clean <- inventory_parts_raw[, -6]

4.2.6 Inventory Sets

Brak modyfikacji surowych danych

inventory_sets_clean <- inventory_sets_raw

4.2.7 Minifigs

Usunięcie nadmiarowej kolumny img_url, która nie podlega analizie

minifigs_clean <- minifigs_raw[, -4]

4.2.8 Part Categories

Brak modyfikacji surowych danych

part_categories_clean <- part_categories_raw

4.2.9 Part Relationships

Brak modyfikacji surowych danych

part_relationships_clean <- part_relationships_raw

4.2.10 Parts

Brak modyfikacji surowych danych

parts_clean <- parts_raw

4.2.11 Sets

Usunięcie nadmiarowej kolumny img_url, która nie podlega analizie

sets_clean <- sets_raw[, -6]

4.2.12 Themes

Brak modyfikacji surowych danych

themes_clean <- themes_raw

4.3 Podstawowe statystyki

4.3.1 Colors

knitr::kable((head(colors_clean)))

id	name	rgb	is_trans
-1	[Unknown]	0033B2	f
0	Black	05131D	f
1	Blue	0055BF	f
2	Green	237841	f
3	Dark Turquoise	008F9B	f
4	Red	C91A09	f

skim(colors_clean)

Data summary

Name	colors_clean
Number of rows	263
Number of columns	4
_______________________
Column type frequency:
character	3
numeric	1
________________________
Group variables	None

Variable type: character

skim_variable	n_missing	complete_rate	min	max	empty	n_unique	whitespace
name	0	1	3	28	0	263	0
rgb	0	1	6	6	0	223	0
is_trans	0	1	1	1	0	2	0

Variable type: numeric

skim_variable	n_missing	complete_rate	mean	sd	p0	p25	p50	p75	p100	hist
id	0	1	651.38	750.55	-1	83	1005	1070.5	9999	▇▁▁▁▁

4.3.2 Elements

knitr::kable((head(elements_clean)))

element_id	part_num	color_id
6443403	2277c01pr0009	1
6300211	67906c01	14
4566309	2564	0
4275423	53657	1004
6194308	92926	71
6229123	26561	4

skim(elements_clean)

Data summary

Name	elements_clean
Number of rows	84138
Number of columns	3
_______________________
Column type frequency:
character	1
numeric	2
________________________
Group variables	None

Variable type: character

skim_variable	n_missing	complete_rate	min	max	empty	n_unique	whitespace
part_num	0	1	2	19	0	33765	0

Variable type: numeric

skim_variable	n_missing	complete_rate	mean	sd	p0	p25	p50	p75	p100	hist
element_id	0	1	5222065.12	1596842.63	9327	4259774	6057754	6262025	61532443	▇▁▁▁▁
color_id	0	1	539.67	2044.86	-1	8	28	135	9999	▇▁▁▁▁

4.3.3 Inventories

knitr::kable((head(inventories_clean)))

id	version	set_num
1	1	7922-1
3	1	3931-1
4	1	6942-1
15	1	5158-1
16	1	903-1
17	1	850950-1

skim(inventories_clean)

Data summary

Name	inventories_clean
Number of rows	37265
Number of columns	3
_______________________
Column type frequency:
character	1
numeric	2
________________________
Group variables	None

Variable type: character

skim_variable	n_missing	complete_rate	min	max	empty	n_unique	whitespace
set_num	0	1	3	20	0	35644	0

Variable type: numeric

skim_variable	n_missing	complete_rate	mean	sd	p0	p25	p50	p75	p100	hist
id	0	1	61103.60	51380.10	1	14424	54379	88842	194312	▇▆▂▂▂
version	0	1	1.09	0.58	1	1	1	1	16	▇▁▁▁▁

4.3.4 Inventory Minifigs

knitr::kable((head(inventory_minifigs_clean)))

inventory_id	fig_num	quantity
3	fig-001549	1
4	fig-000764	1
19	fig-000555	1
25	fig-000574	1
26	fig-000842	1
26	fig-008641	1

skim(inventory_minifigs_clean)

Data summary

Name	inventory_minifigs_clean
Number of rows	20858
Number of columns	3
_______________________
Column type frequency:
character	1
numeric	2
________________________
Group variables	None

Variable type: character

skim_variable	n_missing	complete_rate	min	max	empty	n_unique	whitespace
fig_num	0	1	10	10	0	13455	0

Variable type: numeric

skim_variable	n_missing	complete_rate	mean	sd	p0	p25	p50	p75	p100	hist
inventory_id	0	1	43010.44	52256.78	3	7869	15681	66834	194312	▇▁▁▁▁
quantity	0	1	1.06	0.78	1	1	1	1	100	▇▁▁▁▁

4.3.5 Inventory Parts

knitr::kable((head(inventory_parts_clean)))

inventory_id	part_num	color_id	quantity	is_spare
1	48379c01	72	1	f
1	48395	7	1	f
1	stickerupn0077	9999	1	f
1	upn0342	0	1	f
1	upn0350	25	1	f
3	2343	47	1	f

skim(inventory_parts_clean)

Data summary

Name	inventory_parts_clean
Number of rows	1180987
Number of columns	5
_______________________
Column type frequency:
character	2
numeric	3
________________________
Group variables	None

Variable type: character

skim_variable	n_missing	complete_rate	min	max	empty	n_unique	whitespace
part_num	0	1	1	20	0	51051	0
is_spare	0	1	1	1	0	2	0

Variable type: numeric

skim_variable	n_missing	complete_rate	mean	sd	p0	p25	p50	p75	p100	hist
inventory_id	0	1	50849.46	55136.94	1	9404	22838	87088	194312	▇▂▁▂▁
color_id	0	1	131.78	862.38	-1	4	15	71	9999	▇▁▁▁▁
quantity	0	1	3.37	9.95	1	1	2	4	3064	▇▁▁▁▁

4.3.6 Inventory Sets

knitr::kable((head(inventory_sets_clean)))

inventory_id	set_num	quantity
35	75911-1	1
35	75912-1	1
39	75048-1	1
39	75053-1	1
50	4515-1	1
50	4520-1	2

skim(inventory_sets_clean)

Data summary

Name	inventory_sets_clean
Number of rows	4358
Number of columns	3
_______________________
Column type frequency:
character	1
numeric	2
________________________
Group variables	None

Variable type: character

skim_variable	n_missing	complete_rate	min	max	empty	n_unique	whitespace
set_num	0	1	5	20	0	3171	0

Variable type: numeric

skim_variable	n_missing	complete_rate	mean	sd	p0	p25	p50	p75	p100	hist
inventory_id	0	1	52518.95	59063.13	35	8076	16423	98685	191576	▇▁▁▂▁
quantity	0	1	1.81	5.67	1	1	1	1	60	▇▁▁▁▁

4.3.7 Minifigs

knitr::kable((head(minifigs_clean)))

fig_num	name	num_parts
fig-000001	Toy Store Employee	4
fig-000002	Customer Kid	4
fig-000003	Assassin Droid, White	8
fig-000004	Man, White Torso, Black Legs, Brown Hair	4
fig-000005	Captain America with Short Legs	3
fig-000006	Lloyd Avatar	5

skim(minifigs_clean)

Data summary

Name	minifigs_clean
Number of rows	13764
Number of columns	3
_______________________
Column type frequency:
character	2
numeric	1
________________________
Group variables	None

Variable type: character

skim_variable	n_missing	complete_rate	min	max	empty	n_unique	whitespace
fig_num	0	1	10	10	0	13764	0
name	0	1	1	148	0	13354	0

Variable type: numeric

skim_variable	n_missing	complete_rate	mean	sd	p0	p25	p50	p75	p100	hist
num_parts	0	1	5.3	6.03	0	4	4	5	156	▇▁▁▁▁

4.3.8 Part Categories

knitr::kable((head(part_categories_clean)))

id	name
1	Baseplates
3	Bricks Sloped
4	Duplo, Quatro and Primo
5	Bricks Special
6	Bricks Wedged
7	Containers

skim(part_categories_clean)

Data summary

Name	part_categories_clean
Number of rows	66
Number of columns	2
_______________________
Column type frequency:
character	1
numeric	1
________________________
Group variables	None

Variable type: character

skim_variable	n_missing	complete_rate	min	max	empty	n_unique	whitespace
name	0	1	4	44	0	66	0

Variable type: numeric

skim_variable	n_missing	complete_rate	mean	sd	p0	p25	p50	p75	p100	hist
id	0	1	35.36	19.41	1	19.25	35.5	51.75	68	▇▇▇▇▇

4.3.9 Part Relationships

knitr::kable((head(part_relationships_clean)))

rel_type	child_part_num	parent_part_num
P	3626cpr3662	3626c
P	87079pr9974	87079
P	3960pr9971	3960
R	98653pr0003	98086pr0003
R	98653pr0003	98088pat0003
R	98653pr0003	98089pat0003

skim(part_relationships_clean)

Data summary

Name	part_relationships_clean
Number of rows	29977
Number of columns	3
_______________________
Column type frequency:
character	3
________________________
Group variables	None

Variable type: character

skim_variable	n_missing	complete_rate	min	max	empty	n_unique	whitespace
rel_type	0	1	1	1	0	6	0
child_part_num	0	1	1	20	0	27139	0
parent_part_num	0	1	1	19	0	4725	0

4.3.10 Parts

knitr::kable((head(parts_clean)))

part_num	name	part_cat_id	part_material
003381	Sticker Sheet for Set 663-1	58	Plastic
003383	Sticker Sheet for Sets 618-1, 628-2	58	Plastic
003402	Sticker Sheet for Sets 310-3, 311-1, 312-3	58	Plastic
003429	Sticker Sheet for Set 1550-1	58	Plastic
003432	Sticker Sheet for Sets 357-1, 355-1, 940-1	58	Plastic
003434	Sticker Sheet for Set 575-2, 653-1, 460-1	58	Plastic

skim(parts_clean)

Data summary

Name	parts_clean
Number of rows	52615
Number of columns	4
_______________________
Column type frequency:
character	3
numeric	1
________________________
Group variables	None

Variable type: character

skim_variable	n_missing	complete_rate	min	max	empty	n_unique	whitespace
part_num	0	1	1	20	0	52615	0
name	0	1	3	222	0	52103	0
part_material	0	1	4	16	0	7	0

Variable type: numeric

skim_variable	n_missing	complete_rate	mean	sd	p0	p25	p50	p75	p100	hist
part_cat_id	0	1	38.91	22.08	1	17	41	60	68	▃▃▂▁▇

4.3.11 Sets

knitr::kable((head(sets_clean)))

set_num	name	year	theme_id	num_parts
001-1	Gears	1965	1	43
0011-2	Town Mini-Figures	1979	67	12
0011-3	Castle 2 for 1 Bonus Offer	1987	199	0
0012-1	Space Mini-Figures	1979	143	12
0013-1	Space Mini-Figures	1979	143	12
0014-1	Space Mini-Figures	1979	143	2

skim(sets_clean)

Data summary

Name	sets_clean
Number of rows	21880
Number of columns	5
_______________________
Column type frequency:
character	2
numeric	3
________________________
Group variables	None

Variable type: character

skim_variable	n_missing	complete_rate	min	max	empty	n_unique	whitespace
set_num	0	1	3	20	0	21880	0
name	0	1	2	93	0	18752	0

Variable type: numeric

skim_variable	n_missing	complete_rate	mean	sd	p0	p25	p50	p75	p100	hist
year	0	1	2007.76	13.96	1949	2001	2012	2018	2024	▁▁▁▃▇
theme_id	0	1	441.97	215.53	1	273	497	608	752	▃▃▃▇▇
num_parts	0	1	161.38	418.14	0	3	31	139	11695	▇▁▁▁▁

4.3.12 Themes

knitr::kable((head(themes_clean)))

id	name	parent_id
1	Technic	NA
3	Competition	1
4	Expert Builder	1
16	RoboRiders	1
17	Speed Slammers	1
18	Star Wars	1

skim(themes_clean)

Data summary

Name	themes_clean
Number of rows	468
Number of columns	3
_______________________
Column type frequency:
character	1
numeric	2
________________________
Group variables	None

Variable type: character

skim_variable	n_missing	complete_rate	min	max	empty	n_unique	whitespace
name	0	1	2	42	0	385	0

Variable type: numeric

skim_variable	n_missing	complete_rate	mean	sd	p0	p25	p50	p75	p100	hist
id	0	1.00	433.46	216.55	1	250.5	466	625.25	752	▅▅▅▆▇
parent_id	145	0.69	360.64	197.19	1	186.0	411	512.50	697	▅▃▂▇▂

5 Analiza danych

5.1 Analiza wykorzystanych kolorów w elementach

Poniższy wykres ukazuje 10 najczęściej używanych kolorów w elementach. Zgodnie z uzyskanym wynikiem, najczęściej używanymi kolorami są: czarny, biały, czerwony. Warte również uwagi jest fakt, iż za brak koloru uważa się kolor czarny.

5.2 Analiza najczęściej używanych minifigach w zestawach

Poniższe wykresy ukazuje 10 najczęściej używanych minifigów w zestawach. Pierwszy wykres agreguje dane po nazwach, natomiast drugi po unikalnych indeksach. Analizując uzyskane wyniki możemy dostrzeć, że wyniki różnią się. Wynika to z faktu, iż istnieją minifigi posiadające taką samą nazwę, ale różniącą się indeksem. Takie minifigi różnią się najczęściej barwą kolorów, ilością zastosowanych elementów lub materiałem z których zostały wykonane.